Presentación_ Marco general de las contrataciones públicas.pdf
SIISyG2017_Cc_01_microvibraciones.pdf
1. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
1/9
Generalidades de métodos basados
en vibraciones ambientales (pasivos)
Seminario Internacional de Ingenierı́a Sı́smica y Geotécnica
Universidad Nacional San Agustı́n - Arequipa, 15-18 de
Mayo 2017
Esteban Sáez
Departamento de Ingenierı́a Estructural y Geotécnica - Pontificia
Universidad Católica de Chile
19 de Mayo 2017
3. UNSA
19/05/17
UNSA
Técnicas
pasivas
Ruido
Principio
Muestreo en
tiempo y
espacio
2/9
Origen del ruido
◮ Variación de la amplitud espectral horizontal en función
del tiempo para frecuencias de 1
T
◮ Rangos
Rango Origen Denominación
< 1 Hz oceánico y fluctuaciones mete-
reológicas de gran escala
Microseism
≈ 1 Hz viento y condiciones mete-
reológicas locales
l
> 1 Hz Actividad humana Microtremors
Bonnefoy-Claudet, 2004
4. UNSA
19/05/17
UNSA
Técnicas
pasivas
Ruido
Principio
Muestreo en
tiempo y
espacio
2/9
Origen del ruido
◮ Variación de la amplitud espectral horizontal en función
del tiempo para frecuencias de 1
T
◮ Rangos
◮ Diferencias
Caracterı́stica Microseism Microtremos
Fuente Lejana Cercana
Clase de onda Sólo superficie Superficie + cuerpo
Tipo de onda sup. Sólo Rayleigh Rayleigh + Love
Modo Sólo fundamental fundamental + altos
Bonnefoy-Claudet, 2004
5. UNSA
19/05/17
UNSA
Técnicas
pasivas
Ruido
Principio
Muestreo en
tiempo y
espacio
2/9
Origen del ruido
◮ Variación de la amplitud espectral horizontal en función
del tiempo para frecuencias de 1
T
◮ Rangos
◮ Diferencias
Caracterı́stica Microseism Microtremos
Fuente Lejana Cercana
Clase de onda Sólo superficie Superficie + cuerpo
Tipo de onda sup. Sólo Rayleigh Rayleigh + Love
Modo Sólo fundamental fundamental + altos
Bonnefoy-Claudet, 2004
La proporción R/L varı́a con la frecuencia !!!
Frencuencia Rayleigh ( %) Love ( %)
3 − 10 Hz < 50 % > 50 %
7. UNSA
19/05/17
UNSA
Técnicas
pasivas
Ruido
Principio
Muestreo en
tiempo y
espacio
3/9
Principio de los métodos de ondas superficiales
◮ Idea: aprovechar la naturaleza dispersiva de las ondas
superficiales en semi-espacios estratificados
◮ Procedimiento:
◮ Definir un arreglo: ¿ Cuántas estaciones y cómo
distribuirlas ?
◮ Registrar: ¿ Cuánto grabar ?
◮ Procesar:
◮ Arreglos 2D: f − k y SPAC
◮ Arreglos 1D: ReMi y MASW RoadSide
◮ Invertir: métodos de gradientes o globales
10. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen
4/9
Muestreo en tiempo y espacio
◮ Sea uz = uz(x, t) = uz(x, y, t) el movimiento vertical de
una partı́cula en la superficie
◮ Transformada de Fourier en tiempo
ûz(x, ω) =
Z ∞
−∞
uz(x, t) e−iωt
dt donde ω = 2πf
uz(x, t) =
1
2π
Z ∞
−∞
ûz(x, ω) eiωt
dω
◮ Transformada de Fourier en espacio
ûz(kx, ky, t) =
Z ∞
−∞
Z ∞
−∞
uz(x, y, t) ei(kxx+kyy)
dx dy =
Z ∞
−∞
uz(x, t) eik x
dx
uz(k, t) =
1
(2π)2
Z ∞
−∞
ûz(k, t) e−ik x
dω
número de onda : k =
2π
λ
=
2π
v
f
=
ω
v
11. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen
4/9
Muestreo en tiempo y espacio
◮ Sea uz = uz(x, t) = uz(x, y, t) el movimiento vertical de
una partı́cula en la superficie
◮ Transformada de Fourier en tiempo
◮ Transformada de Fourier en espacio
◮ Combinando la transformada en tiempo y espacio
ûz(kx, ky, ω) =
Z ∞
−∞
Z ∞
−∞
Z ∞
−∞
uz(x, y, t) e−i(ωt−kxx−kyy)
dx dy dt
=
Z ∞
−∞
Z ∞
−∞
uz(x, t) e−i(ωt−k x)
dx dt
Espectro f − k: frequency-wavenumber
12. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen
4/9
Muestreo en tiempo y espacio
◮ Sea uz = uz(x, t) = uz(x, y, t) el movimiento vertical de
una partı́cula en la superficie
◮ Transformada de Fourier en tiempo
◮ Transformada de Fourier en espacio
◮ Combinando la transformada en tiempo y espacio
ûz(kx, ky, ω) =
Z ∞
−∞
Z ∞
−∞
Z ∞
−∞
uz(x, y, t) e−i(ωt−kxx−kyy)
dx dy dt
=
Z ∞
−∞
Z ∞
−∞
uz(x, t) e−i(ωt−k x)
dx dt
Espectro f − k: frequency-wavenumber
y su inversa
uz(x, t) =
1
(2π)3
Z ∞
−∞
Z ∞
−∞
ûz(k, ω) ei(ωt−k x)
dk dω
14. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen
5/9
Onda plana armónica unitaria
◮ Sea
uz(x, t) = ei(ω0t−k0 x)
◮ Aplicando la transformada frecuencia-número de onda
ûz(k, ω) = δ2
(k − k0) δ(ω − ω0)
kx ky
ω
k0
b
◮ La onda plana es un punto en el espacio k − ω
◮ La transformada f − k permite identificar ondas planas
para una frecuencia dada
15. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen
5/9
Onda plana armónica unitaria
◮ Sea
uz(x, t) = ei(ω0t−k0 x)
◮ Aplicando la transformada frecuencia-número de onda
ûz(k, ω) = δ2
(k − k0) δ(ω − ω0)
◮ El cálculo anterior corresponde a un muestreo continuo en
espacio (x) y en tiempo (t) lo que no es factible en la
práctica
→ Un muestreo discreto tendrá un impacto en los valores
de k0 y ω0
17. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen
6/9
Muestreo en tiempo
◮ Supongamos que se registra durante un intervalo de
tiempo T
vz(x, t) = w(t) uz(x, t) donde w(t) =
1 0 ≤ t ≤ T
0 t T t 0
donde w(t) es la función de windowing
◮ Aplicando la transformada de Fourier en tiempo
v̂z(x, ω) =
Z ∞
−∞
w(t) uz(x, t) e−iωt
dt =
Z ∞
−∞
ŵ(ω−ξ) ûz(x, ξ) dξ
donde |ŵ(ω)| = T
sin(ωT
2 )
ω T
2
18. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen
6/9
Muestreo en tiempo
◮ Supongamos que se registra durante un intervalo de
tiempo T
◮ Aplicando la transformada de Fourier en tiempo
◮ Gráficamente
−3/T −2/T −1/T 0 1/T 2/T 3/T
0
0.05
0.1
0.15
0.2
0.25
fr = 1
T
f (Hz)
|
ŵ(ω)|
◮ El espectro se “expande” sobre un rango de frecuencias
mayor: leakage
◮ Se define como “resolución” (capacidad de diferenciar
frecuencias cercanas) a la mitad del lóbulo central: fr
20. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen
6/9
Muestreo en tiempo
◮ Supongamos que se registra durante un intervalo de
tiempo T
◮ Aplicando la transformada de Fourier en tiempo
◮ Gráficamente
◮ Otra consecuencia es el aliasing:
◮ Supongamos que el muestreo se efectúa a intervalos
regulares ∆t, entonces la frecuencia máxima que puede ser
registrada es:
fNyquist =
1
2∆t
◮ Todas las componentes de frecuencias mayores a fNyquist
van a ser aliased en el rango
0 ≤ f ≤ fNyquist
◮ La solución es filtrar las señales con un filtro low-pass
análogo para remover f fNyquist antes de digitalizar
22. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen
7/9
Muestreo en espacio
◮ Consideremos un caso 1D: kx 6= 0 y ky = 0. Sea D la
apertura del muestreo
x
z
D
◮ Entonces
vz(x, t) = w(x) u(x, t) donde w(x) =
1 0 ≤ x D
0 x D x 0
v̂z(kx, t) =
Z ∞
−∞
w(x) uz(x, t) eikxx
dx =
Z ∞
−∞
ŵ(kx−ξ) ûz(ξ, t) dξ
|ŵ(kx)| = D
sin kxD
2
kxD
2
23. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen
7/9
Muestreo en espacio
◮ Consideremos un caso 1D: kx 6= 0 y ky = 0. Sea D la
apertura del muestreo
◮ Entonces
◮ Gráficamente
−4pi/D −2pi/D 0 2pi/D 4pi/D
0
0.05
0.1
0.15
0.2
0.25
kr = 2π
D
kx (rad/m)
|
ŵ(k
x
)|
◮ El muestro se “expande” sobre un rango de frecuencias
mayor y la resolución cae
◮ Si D crece, mejora la resolución espacial: kr
28. UNSA
19/05/17
UNSA
Técnicas
pasivas
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen
9/9
Consideraciones para construir arreglos
◮ kr = 2π
Dmax
controla la resolución espacial (kmin)
◮ kNyquist = 2π
λmin
= π
dmin
controla el aliasing
→ El objetivo es que haya al menos 3 puntos por longitud
de onda λ
dmin
Dmax
b b b b b b
λ
◮ Entonces si
◮ Si Dmax crece → mejora la resolución
◮ Si dmin crece → empeora el aliasing
→ Las funciones de apertura o transferencia de los
arreglos es la mejor forma de estimar la calidad de un
arreglo en función de resolución y apertura